# Erste 20 Minuten: Qualitätsalarm im Kundenassistenten
Typ: Checkliste
Herkunft: llm-production-ops / reliability-slo-incident / ops-runbook-triage
Version: ops-runbook-triage-2026-09-04
Geprüft: 2026-09-04

ACHTUNG: Dieses Dokument ist ein Lernartefakt aus einer Schulungssequenz. Es ist kein produktives Runbook. Vor jeder Anwendung in einer realen Umgebung müssen die Schritte gegen lokale Dokumentation, Runbooks und Freigabestatus geprüft werden.

## Szenario
Um 02:40 Uhr meldet der Alarm eine stark erhöhte Rate formal ungültiger Antworten im Kundenassistenten. Es gab in den letzten 24 Stunden kein eigenes Release. Du hast Zugriff auf Traces mit Ausgabe-Stichproben, die Versionshistorie des Release-Artefakts, den Kill-Switch und einen geprüften Fallback-Pfad. Das Runbook fordert Entschärfung vor Ursachenforschung.

## Schritte
1. Symptom an echten Ausgabe-Stichproben bestätigen und eingrenzen, welche Segmente betroffen sind
2. Nach der jüngsten ausgabewirksamen Änderung suchen — auch ohne eigenen Deploy: Artefaktversion, Indexstand, Anbieterverhalten
3. Entschärfen: auf den letzten bekannten guten Stand zurückrollen oder über den Kill-Switch auf den Fallback legen
4. Auswirkung und Status an Support und betroffene Stakeholder kommunizieren
5. Nach der Entschärfung die Ursache untersuchen und einen dauerhaften Fix planen

## Begründung
Warum: Im Vorfall gilt Entschärfen vor Verstehen — aber erst, nachdem das Symptom bestätigt und der wahrscheinlichste Änderungspunkt identifiziert ist, denn ohne diesen Schritt weißt du nicht, wohin du zurückrollst. Kommunikation folgt der Entschärfung, weil sie dann eine belastbare Aussage enthält.
Folgen: **+** Der Nutzerschaden endet früh, und der Rückweg ist zielgerichtet statt geraten. **−** Ein Rollback vor der Ursachenanalyse vernichtet unter Umständen den Zustand, in dem das Problem reproduzierbar war; Traces und Stichproben müssen deshalb vor der Entschärfung gesichert werden.

## Quellen
1. Google SRE Workbook, Implementing SLOs — https://sre.google/workbook/implementing-slos/
2. Google SRE Workbook, Alerting on SLOs — https://sre.google/workbook/alerting-on-slos/
3. Google SRE Workbook, Incident Response — https://sre.google/workbook/incident-response/
4. Google SRE Workbook, On-Call — https://sre.google/workbook/on-call/
5. Google SRE Book, Postmortem Culture — https://sre.google/sre-book/postmortem-culture/